Чому жодна компанія не може слідувати за рухом Amazon у сфері штучного інтелекту та комерції

Ронен Шварц — генеральний директор K2view.

Відкрийте для себе найкращі новини та події у фінтеху!

Підписуйтеся на розсилку FinTech Weekly

Читають керівники JP Morgan, Coinbase, Blackrock, Klarna та інших

Невідома історія за заголовками про штучний інтелект Amazon

Коли Amazon оголосила, що її помічник для покупок на базі штучного інтелекту, Rufus, тепер сприяє значному зростанню залученості клієнтів і мільярдам додаткових продажів, реакція була миттєвою: здивування, захоплення і трохи заздрості. Це сприймалося як сміливий крок уперед у підході підприємств до досвіду клієнтів.

Але це не було лише тріумфом моделей штучного інтелекту. Це стало можливим завдяки закритій екосистемі. Amazon працює цілком на своїй платформі, де дані про продукти, клієнтів, поведінку та покупки об’єднані та контролюються. Така модель не є реалістичною для більшості підприємств, особливо у фінансових послугах. Ця галузь має найвищий рівень впровадження контакт-центрів на базі штучного інтелекту, що становить близько чверті світового ринку. Проте її дані все ще розкидані по управлінню банківськими рахунками, CRM, платіжних та підтримувальних платформах. У таких умовах штучний інтелект бореться.

Урок простий: успіх у досвіді клієнтів залежить менше від геніальності моделі і більше від якості та цілісності даних, що її підтримують. Без єдиного, контекстуального погляду, агенти штучного інтелекту швидше за все порушать підтримку, ніж покращать її.

Коли штучний інтелект зустрічається з хаотичною реальністю

Для більшості підприємств середовище даних виглядає зовсім інакше, ніж у Amazon із її оптимізованою, вертикально інтегрованою платформою. Інформація зберігається у десятках систем, кожна з яких містить частини клієнтського запису, дублюється в деяких місцях, застаріває в інших і рідко синхронізується.

Впровадження штучного інтелекту у таке середовище створює хаос. Клієнти отримують суперечливі або часткові відповіді, довіра руйнується, і людські представники змушені втручатися, щоб відновити довіру. Те, що мало бути автоматизацією, перетворюється на повторну роботу, що створює додаткове навантаження з обох боків розмови.

Уявіть найм кваліфікованого сервісного представника, але з файлом, наповненим неповними або неправильно позначеними записами. Їхній талант марнується, бо основа зламано. Те саме стосується агентів штучного інтелекту: без послідовної, точної та своєчасної інформації вони приречені на провал.

Що насправді потрібно для масштабування штучного інтелекту у досвіді клієнтів

Підприємства, які прагнуть повторити заголовки Amazon, часто зосереджуються на самій моделі, тонко налаштовуючи підказки, порівнюючи постачальників або гоняючись за наступним оновленням. Але вирішальним фактором у довгостроковому успіху є база даних, яка підтримує ці моделі.

Щоб зробити агентів штучного інтелекту надійними та готовими до підприємств, організаціям потрібні три основи:

*   **Інтеграція**: інформація про клієнтів, розкидана по десятках систем, має бути об’єднана у єдине, послідовне уявлення. 
*   **Управління та безпека**: дані мають бути точними, без дублювання, захищеними та відповідати вимогам конфіденційності, перш ніж штучний інтелект зможе діяти на їх основі. 
*   **Контекст у реальному часі**: агенти потребують найактуальнішої інформації, а не застарілих знімків або статичних записів. 

Без цих основ штучний інтелект швидко руйнується, створюючи помилки, ризики невідповідності та розчарованих клієнтів. З ними штучний інтелект може перейти від пілотних проектів до масштабних систем, що приносять реальний вплив. Урок простий, але часто ігнорується: розумні агенти потребують розумніших даних.

Від пілотів до трансформації

У різних галузях підприємства експериментують із штучним інтелектом у досвіді клієнтів, впроваджуючи чат-ботів, віртуальних помічників або генеративні інструменти у робочі процеси обслуговування. Однак більшість цих зусиль залишаються на рівні випробувань. Останній звіт MIT показав, що майже 95% проектів із штучного інтелекту не доходять до виробництва. Ініціативи щодо досвіду клієнтів не є винятком. 
Розрив між експериментом і трансформацією зводиться до основи.

Розірвані, низькоякісні дані підривають підтримку. Чиста, єдина інформація забезпечує масштабованість, послідовність і відповідальне впровадження. З правильним фундаментом підприємства нарешті можуть перейти від експериментів до виробничих систем, що зміцнюють як стосунки з клієнтами, так і бізнес-результати.

Натхнення і попередження

Історія Amazon є і віхою, і застереженням. Вона показує, що можливо, коли агенти штучного інтелекту працюють на основі з’єднаних, високоякісних даних, але також відкриває, наскільки рідкісною є така налаштування. Більшість підприємств не можуть просто її повторити. Майбутнє штучного інтелекту у досвіді клієнтів визначатиметься не лише все більш досконалими моделями, а й організаціями, готовими інвестувати у базу даних, яка робить ці моделі ефективними.